2023年，雷神公司總裁在巴黎航展上描述了重新啟動「毒刺」飛彈生產所需的過程。他們找回了七十多歲的工程師，教導年輕員工如何從卡特政府時代繪製的紙本藍圖製造飛彈。測試設備多年來一直存放在倉庫中，飛彈的鼻錐仍需手工安裝，完全按照四十年前的方式。
五角大廈已經二十年沒有購買新的毒刺飛彈。直到俄羅斯入侵烏克蘭，毒刺飛彈突然成為急需品。生產線早已停擺，電子元件過時，尋標器零件停產。2022年5月下的訂單要到2026年才能交貨，足足等了四年。這不是因為缺錢，而是因為懂得製造的人十年前退休，沒有人接替。
我在烏克蘭帶領工程團隊，我們是這個問題的另一端。當雷神苦於從四十年前的藍圖重啟生產時，美國已經向烏克蘭運送數千枚毒刺飛彈。RTX執行長Greg Hayes表示，十個月的戰爭消耗了十三年產量的毒刺飛彈。我見過這種模式，現在正發生在我的產業中。
2023年3月，歐盟承諾在十二個月內向烏克蘭提供一百萬發炮彈。歐洲的年產能約為23萬發，而烏克蘭每天消耗5,000到7,000發。任何會算數的人都知道這不可能達成。
截止期限時，歐洲只交付了約一半。法國總統馬克宏稱原承諾魯莽。一項由九國十一家媒體聯合調查發現，實際產能僅為官方聲稱的三分之一。一百萬發炮彈直到2024年12月才達標，晚了九個月。
問題不只一個瓶頸，而是全部瓶頸。法國自2007年起停止國內推進劑生產，十七年毫無生產。歐洲唯一主要的TNT生產商在波蘭。德國彈藥庫存僅夠兩天。丹麥Nammo工廠2020年關閉，必須從零重啟。整個歐洲防務產業被優化為生產少量昂貴的客製化產品，沒有人規劃大量生產或危機應變。
美國情況也不佳。只有一座位於斯克蘭頓的工廠和愛荷華州一個爆炸物填充設施，自1986年起無國內TNT生產。數十億投資後，產量仍未達標的一半。
這不是意外。1993年，五角大廈告訴防務公司CEO，要合併或倒閉。五十一家大型防務承包商合併成五家。戰術飛彈供應商從十三家減至三家。造船商從八家減至兩家。勞動力從320萬降至110萬，砍掉65%。
彈藥供應鏈處處有單點故障。155毫米炮彈外殼唯一製造商位於加州聖安德烈亞斯斷層上的科切拉。推進劑唯一工廠在加拿大。成本優化到極致，沒有任何應急餘地。理論上效率高，實際上隨時可能崩潰。
還有Fogbank，一種用於核彈頭的機密材料。1975年至1989年生產後工廠關閉。政府在核彈頭壽命延長計畫中需要重製它，卻發現無法做到。美國政府問責局報告指出，幾乎所有具生產經驗的員工都已退休、去世或離職，且幾乎沒有完整紀錄。
經過6900萬美元的超支和多年失敗嘗試，終於生產出可用的Fogbank，卻發現新批次純度過高。原始製程依賴一種無意的雜質，這對材料功能至關重要。沒有人知道這點，無論是嘗試重製的工程師，還是數十年前的原始工人。洛斯阿拉莫斯稱這是原始製程中的無意依賴。
核武計畫失去了製造自己發明材料的能力。知識不僅隨人流失，甚至沒有人完全理解過。
（更正：原文誤稱製造Fogbank的工人知道雜質存在，實際上他們並不知情。這種無意依賴反而加強了知識流失的論點。感謝John F.於評論中指正。）
我讀到Fogbank的故事立刻認出模式，不是核材料本身，而是模式。經過數十年建立能力，找到更便宜替代品，讓人才管線萎縮，享受節省，然後在危機來臨時看到一切崩潰。
在防務領域，替代品是和平紅利；在軟體領域，則是人工智慧。
我之前寫過人才管線崩潰的問題。招聘數據和初級到高級工程師的問題都有記錄，理解危機也有。但我缺少合適的歷史對照，現在有了。
它告訴你招聘數據無法透露的事：重建需要多久。
每次大型防務生產擴張，簡單系統需三到五年，複雜系統需五到十年。毒刺飛彈：從訂單到交貨至少三十個月。標槍飛彈：四年半產量不到兩倍。155毫米炮彈：四年仍未達標，投入五十億美元。法國直到2024年才重啟推進劑生產，距停產已十七年。
錢從來不是限制，知識才是。蘭德公司發現，潛艇設計10%的技術技能需十年在職經驗，有時還要博士學歷。防務行業學徒期兩到四年，五到八年才能達主管能力。
將此映射到軟體領域。初級開發者需三到五年成為中級工程師，五到八年成為高級，十年以上才能成為首席或架構師。這時間表無法靠砸錢壓縮，AI也無法。
一項METR隨機對照試驗發現，經驗豐富的開發者使用AI編碼工具完成真實開源任務反而慢了19%。他們事前預測AI會快24%，預測與實際差距達43%。後續研究時，許多開發者拒絕在無AI輔助下參與，無法想像回到過去。
軟體產業正處於相同優化的第三年。Salesforce表示2025年不會增加軟體工程師招聘。LeadDev調查54%工程主管認為AI助手將長期減少初級招聘。CRA調查大學計算系報告今年招生下降62%。
我在程式碼審查中看到這點。審查成為瓶頸，AI生成程式碼快，人類審查慢。產業的答案是讓AI審查AI程式碼。我不這麼做。我改寫了拉取請求模板，每個PR都必須說明變更內容、原因、類型及前後截圖，提供結構化上下文，避免審查者猜測。我還為每個專案指定專門審查者，多人審查增加發現錯誤機會。
但這仍無法解決更深層問題。現在有效的技能不同了。僅有技術專長已不夠，你需要能承擔責任、溝通取捨、對機器自信的錯誤提出異議的人。領導力。最近一次招聘顯示這種人才稀缺：2253名應徵者，2069人不合格，僅錄取4人，錄取率0.18%。具備技術與判斷AI錯誤能力的人幾乎不存在市場上。
我們記錄一切：現場手冊、系統設計文件、回歸測試報告、覆蓋完整的樣板模組。今天有效，因為讀這些文件的人有工程專業知識能執行。若未來沒有人懂這些知識，會怎樣？坦白說，我不知道。或許五年後AI足夠強大，問題不大。或許問題仍可控。我無法預測2031年模型能力。
但危機不會發邀請函。沒人預料2022年歐洲會爆發全面陸戰。防務產業有三十年準備時間卻沒做好。即使Fogbank有紀錄，也不夠。原工人也未完全理解流程。
五到十年後，我們需要資深工程師，能全面理解系統、凌晨兩點排查分散式故障、擁有代碼庫外的機構知識。這些工程師尚未出現，因為我們沒在培養。應該現在學習的初級工程師，要麼沒被聘用，要麼發展出國防部研究稱為「AI介導能力」的技能。他們會提示AI，卻無法指出AI錯誤。
這就是程式碼版的Fogbank。初級跳過除錯與形成性錯誤，無法建立隱性專業知識。當我這代工程師退休，這些知識不會轉移給AI。
西方已經犯過一次錯，代價在烏克蘭顯現。
我知道這聽起來老調重彈，我也寫過人才管線問題。防務案例不是重複論點，而是展示若產業期待落空會發生什麼。毒刺、標槍、Fogbank、一百萬發無法生產的炮彈，這是錯誤優化的代價。我們現在正對軟體工程下同樣賭注。
也許AI足夠強大，賭注成功。也許不會。防務產業也曾以為和平會永遠持續。
軟體對現代基礎設施和服務不重要嗎？等等，我剛才像某位政治家或科技CEO的內心獨白。世界瘋了。這篇文章很棒，謝謝。我見過AI在文件處理等重複高量工作中表現良好，但尚未被說服它是萬能高手。這是複雜技術，C層常被行銷炒作迷惑，工程師卻困惑為何被要求使用的工具毫無用處。
很久以前，日本帝國初期從唐朝中國引進了相當先進的攻城火炮與工程技術。
但這些技術在一代人內就全數失傳，因為一位天皇認為維持專業工匠與工程師的基礎設施是多餘開支，這些人只好另謀生路。
一千年後，德川幕府成立，幾乎是向過路的歐洲商人租借大砲和炮手，來對付特別頑固的叛軍據點……